Présentation du modèle
GPT-4o Mini TTS est un modèle de synthèse vocale basé sur GPT-4o mini, capable de convertir du texte en parole naturelle. OpenAI a publié ce modèle le 20 mars 2025 ; l'instantané de version fixe correspondant est gpt-4o-mini-tts-2025-03-20. L'alias du modèle et l'instantané fixe sont deux notions distinctes : OpenAI a ensuite fait pointer l'alias vers un instantané plus récent. (openai.com)
Capacités et usages
- Des instructions textuelles permettent d'ajuster l'accent, l'émotion, l'intonation, le débit et le ton de la voix, entre autres modes d'expression. Le modèle convient notamment aux services vocaux de relation client, à la narration créative et à la lecture d'articles. (openai.com)
- Il prend en charge la génération vocale multilingue, notamment en chinois, ainsi que la sortie audio en streaming. La voix est actuellement optimisée pour l'anglais. (developers.openai.com)
- L'audio peut être généré via l'interface
v1/audio/speech, qui prend en charge les formats MP3, Opus, AAC, FLAC, WAV et PCM, entre autres. (developers.openai.com)
Limites et statut
- Le modèle reçoit du texte en entrée et produit de l'audio en sortie. Il ne prend pas en charge les images ou les vidéos en entrée et n'est pas un modèle de transcription audio. La page du modèle indique une entrée maximale de 2 000 tokens ; le paramètre
inputde l'API Speech est par ailleurs limité à 4 096 caractères. (developers.openai.com) - Lors d'une utilisation auprès d'utilisateurs finaux, OpenAI exige que ceux-ci soient clairement informés que la voix qu'ils entendent est générée par une IA et non celle d'une personne réelle. (developers.openai.com)
- Au 19 novembre 2026, OpenAI avait marqué ce modèle et son instantané du 20 mars 2025 comme obsolètes et prévoyait leur arrêt le 6 janvier 2027. OpenAI recommande de migrer les nouvelles intégrations vers
gpt-realtime-2.1-minide l'API Realtime ; cette migration nécessite de modifier le flux de travail de l'API. (developers.openai.com)
Tarifs
Au 19 novembre 2026, les tarifs de l'API indiqués sur la page du modèle d'OpenAI étaient en dollars américains (USD) : 0,60 dollar par million de tokens de texte en entrée ; 12,00 dollars par million de tokens audio en sortie. Il s'agit des tarifs indiqués sur la page du modèle, et non de tarifs distincts publiés spécifiquement pour l'instantané de 2025 ; les tarifs propres à cet instantané n'ont pas été vérifiés. (developers.openai.com)